IoU预测的概率锚分配用于对象检测 姜金和熙锡李。 这是基于和 Probabilistic Anchor Assignment with IoU Prediction for Object Detection的PyTorch实现()。 笔记 现在,该代码支持PyTorch 1.6 。 在可以使用PAA。非常感谢的出色工作! 介绍 在对象检测中,确定将哪些锚分配为正样本或负样本(称为锚分配)已被公认为是可以严重影响模型性能的核心过程。在本文中,我们提出了一种新颖的锚点分配策略,该策略根据模型的学习状态将锚点自适应地分为正样本和负样本,用于地面真值边界框,从而能够以概率方式推理出分离。为此,我们首先计算以模型为条件的锚点的分数,并对这些分数拟合概率分布。然后使用根据锚概率分为正样本和负样本的锚对模型进行训练。此外,我们调查了培训和测试目标之间的差距,并建议预测检测到的盒子的交集在交集上,以作为